Tez No	İndirme	Tez Künye	Durumu
397845		Data analysis and simulation applications on European air traffic modelling and spatiotemporal grid emission modelling / Avrupa hava trafiği ve uzay-zamansal grid salınım modellemede veri analizi ve simulasyonu uygalamaları Yazar:YİĞİT BEKİR KAYA Danışman: DOÇ. DR. GÖKHAN İNALHAN Yer Bilgisi: İstanbul Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Uçak ve Uzay Mühendisliği Ana Bilim Dalı Konu:Havacılık Mühendisliği = Aeronautical Engineering ; Sivil Havacılık = Civil Aviation ; Çevre Mühendisliği = Environmental Engineering Dizin:	Onaylandı Yüksek Lisans İngilizce 2015 96 s.
Oldukça karmaşık yapısı, kendisine duyulan talebin hızlı artışı ve hızla tükenmekte olan altyapı kapasiteleri ile Havayolu Taşımacılığı Yönetimi yakın geleceğin en zorlu alanlarından biri halini almıştır. Bu alanda oluşan ihtiyacı karşılayabilmek amacı ile çok uluslu araştırmalar gerçekleştirilmekte ve gerek Avrupa'da (SESAR) gerekse Amerika Birleşik Devletlerinde (NextGen) çeşitli toplu girişim hareketlerinde bulunulmaktadır. Bu amaçla, Avrupa Birliği bünyesinde gerçekleştirilen projelerden biri olan Resilience2050.eu mevcut durumdaki hava trafik sisteminde bulunan ve sistemin beklenmedik olaylara direncini ciddi derecede etkileyen eksiklileri belirlemeyi hedef edinmiştir. Nihai amacı güvenlik sınırları çerçevesinde, aksaklıklara ve istenmedik karışıklıklara dayanıklı, geleceğin Hava Trafik Yönetimi konseptlerini geliştirmek olan bu projenin temelinde mevcut sistemin dinamiklerini ve beklenmeyen/istenmeyen olayların sistem içerisinde nasıl bir etki yaratarak devam ettiklerini inceleyen analizler bulunmaktadır. Bahsi geçen analizler bu tezin odak noktasını oluşturmaktadır. Mevcut sistemin daha kararlı, oluşabilecek beklenmedik etkilere karşı daha dayanıklı ve verimli hale getirilme amacını taşıyan süreçte, Avrupa Hava Trafiği Ağı'nın makro analizi, hava trafik sistemlerinin alt bileşenlerinin ve sistemin davranışlarını oluşturan olayların belirlenmesinde çok büyük bir önem taşımaktadır. Hava taşımacılığı ağındaki havalimanları, havaalanları ve bu alanların segmentleri, bu ağı oluşturan temel elemanlar olarak nitelendirilirken, uçuş planları ve bu uçuşların ağ elemanları arasındaki yoğunluklarının oluşturduğu kalıplar ise trafik akışının karakteristiğini meydana getirmektedir. Bu bağlamda trafik ağı sisteminin dinamiklerini inceleyen makro analizler, bu sistemi daha yüksek doğrulukla temsil edebilecek modellerin oluşturulması için bir adım olmakta ve sistemi daha verimli kılmak amacı ile uygulanabilecek optimizasyon problemlerini gerçek sistem karateristikleri ile buluşturan bir köprü görevi görmektedir. Bu nedenlerden dolayı geleceğin daha güvenilir ve dayanıklı Hava Trafik Yönetimi ve Kontrol alt sistemlerinin oluşturulmasında, makro analizler oldukça temel ve önemli bir yer tutmaktadır. Bu proje kapsamında yürütülen makro analizlerde ALL_FT+ ve DDR Capacity olmak üzere iki farklı data yapısı kullanılmıştır. Temel olarak ALL_FT+ verileri uçağın rotalarını verirken, DDR Capacity verisi trafik ağının elemanları olan havalimanları ve havaalanlarına ilişkin altyapıların belirlenen kapasitelerini içermektedir. ALL_FT+ verileri günlük olarak dosyalanırken, her uçuş için 7 adet uçuş modeli ve bir adet radar ölçümleri veri alt grubu içermesi planlanmıştır ancak bu 8 adet veri alt grubu her uçuş için mevcut değildir. Ayrıca tüm bu 8 grup için de nokta bazlı ve havaalanı bazlı olmak üzere iki farklı data profili bulunmakta ve bu iki profil aynı veriye iki farklı bakış açısı kazandırmaktadır. Nokta bazlı profilde uçuşun rotası noktalar dizisi olarak ifade edilir iken, havaalanı bazlı profilde uçuşun rotası, içerisinden geçtiği hava alanlarının giriş ve çıkış noktaları olarak ifade edilmektedir. Dahası, tüm bu 8 grubun dışında her uçuş verisinin başına eklenmiş ve yaklaşık 70 veri alanından oluşan bir ortak veri alanı bulunmakta ve bu alan, uçağın park alanından ilk harekete geçmesi planlanan ve geçtiği zamanlar, kalkış ve iniş havalimanları, uçuş numarası, uçuşun iptal olup olmadığı ve uçuşa dair bazı prosedür mesajları gibi bazı önemli bilgiler içermektedir. DDR capacity verisi ise yaklaşık olarak bir aylık veriler halinde depolanmış ve Avrupa Hava Sahası içerisinde bulunan havalimanlarının saatlik iniş/kalkış kapasitelerini ve kontrol havaalanlarının saatlik uçak barındırma kapasitelerini içermektedir. ALL_FT+ datasının içerdiği aynı uçuşa ait bu 8 adet veri alt grubu içerisinden tezin temasını oluşturacak analizleri gerçekleştirmek amacı ile 3 adet veri grubu seçilmiştir. Birinci alt veri grubu (FTFM) planlanan uçuş datasını, ikinci alt grup (CTFM) planlanan uçuş datası ile radar verilerinin füzyonundan oluşan uçuş modelini, üçüncü alt grup (CPF-REF) ise radar verilerini içermektedir. Bu bağlamda birinci grup "Planlanan Uçuş Verisi" olarak atanırken mevcut olması durumunda üçüncü grup "Gerçek Uçuş Verisi" olarak kullanılmaktadır. Üçüncü grubun data içerisinde bulunmaması durumunda ise ikinci grup olan CTFM verisi gerçek uçuş verisi olarak kabul edilmektedir. Birçok geniş çaplı veri yapılarında olduğu gibi ALL_FT+ verisi de bazı hatalı veriler içermektedir. Bu hatalı verilerin olduğu gibi kullanılması özellikle gecikme analizlerinde oldukça yanlış sonuçlar vermektedir. Bu nedenle bir takım filtremele ve düzenleme algoritmaları yazılmış ve analizlerden önce veriler bu algoritmalardan geçirilerek yanlış çıkarımlara neden olabilecek sonuçların giderilmesi sağlanmıştır. Kapasite, trafik ve gecikme parametreleri, bu çalışmada yapılan analizlerin alt yapısını oluşturmaktadır. Bu parametrelerin yalnız veya birbirleri ile birlikte incelenmeleri sonucu sistem davranışlarına dair bir takım sonuçlar elde edilmektedir. Daha önce de bahsedildiği gibi, parametrelerden biri olan kapasite DDR Capacity verisinin işlenmesi ile doğrudan elde edilmektedir. Trafik ve gecikme değerleri ise ALL_FT+ datası üzerinden hesaplanmaktadır. ̇Ilk işlem olarak, Avrupa havasahası üzerinde düğüm noktaları havalimanlarını ya da havaalanlarını temsil eden bağlantı grafı oluşturulmuştur. Veri yapısı içerisinde havasahaları çeşitli boyutlarda temsil edilmektedir. Bu bölgelerden en çok kullanılanları boyutlarına göre büyükten küçüğe "Uçuş Bilgi Bölgesi (FIR)", "Hava Trafik Kontrolü Birim Havaalanı (AUA)" ve "Temel Havaalanı (ES)" olarak sıralanabilir. Bu çoklu temsil, analizin istenilen düzeyde ve detayda gerçekleştirilebilmesine olanak tanımaktadır. Üçüncü ve son parametre olan gecikme değerleri, hizmet kalitesinin en önemli ölçütlerinden biri olmakla birlikte, hava trafik ağının beklenmeyen ve/veya istenmeyen değişikliklere ne kadar dayanıklı olduğunun en temel göstergesidir. Bu bağlamda gecikmeler ve bu gecikmelerin sistemde nasıl dağıldığına dair analizler yapılmıştır. ̇Ilk olarak data içerisinde bulunan tüm uçuşların, uçuşun her fazı için yaşadıkları gecikme değerleri planlanan ve gerçekleşen uçuş dataları arasında yaşanan farklar ile hesaplanmıştır. Tüm uçuşların tüm havaalanlarında yaşadığı gecikmeler hesaplandıktan sonra bu gecikmeler ilgili havaalanı başlığı altında tekrar organize edilerek, havaalanlarının gecikme üretme karakteristiği çıkarılmıştır. Bu işlemin bir günlük veri üzerinde gerçekleştirilmesi üzerine, o gün için Avrupa havasahası ağı üzerinde problemli bölgelerin görüntülenmesi sağlanmıştır. Benzer işlemin saatlik olarak sınıflandırılması bir gün içerisinde gecikme karakteristiklerinin saatlik olarak nasıl değiştiği sonucunu vermektedir. Dolayısı ile hava trafik ağı sisteminde herhangi bir noktada oluşan aşırı gecikme üretimi sorununun sistem içerisinde bir sonraki saatte ne gibi bir etki yarattığı incelenebilmektedir. Bu durum Frankfurt havalimani üzerinde örneklendirilmiş ve sonuçlar ilgili bölümde verilmiştir. Havaalanı bazlı analizlerin gerçekleştirilmesi sonucu, hava trafiği dinamiğini modelleme amacına hizmet edecek daha farklı yaklaşımların denenmesi yoluna gidilmiştir. Burada amaç sistem içerisinde gerçekleşen olayları en iyi şekilde temsil edebilecek ve olayların yarattığı etkinin yayılımını neden sonuç ilişkisi içerisinde daha net gösterebilecek modelleri oluşturma metodolojisini araştırmaktır. Bu nedenle ikinci bir yaklaşım olarak, havaalanı bazlı analizler kullanmak yerine, havalimanlarının ağından oluşan ve gecikmelerin yayılımını havalimanı ağı üzerinde inceleyen analizler gerçekleştirilmiştir. Burada bağlantı graflarının düğümleri havalimanlarını temsil ederken gecikmeler havalimanı çiftleri arasında incelenmiştir. Bu nedenle, ilk etapta havalimanı analizleri gerçekleştirilmiştir. Uçağın ilk hareket ettiği zaman olarak tanımlanan "Gerçek Hareket Zamanı"nda yaşanan gecikmeler ve uçağın taksi süresince yaşadığı gecikmeler de analiz edilmiş ve bu analizlerin sonucunda elde edilen bulgular havalimanına inen ve havalimanından kalkan uçakların saatlik sayıları ve ilgili havalimanı için ilan edilen kapasite değerleri ile birlikte değerlendirilmiştir. Havalimanlarının durumunun da modelleme süreci içerisine katılması ile hesaplanan yeni gecikme değerleri sistemde gerçekleşen olaylar hakkında daha fazla bilgi verirken uçuşun tüm fazlarında gerçekleşen gecikmelerin ve bu gecikmelerin ne nedenle oluştuğu hakkında da varsayımlarda bulunma fırsatı tanımaktadır. Ayrıca bu sayede gecikmeler uçuşun başlangıcından sonuna kadar tamamen izlenebilmektedir Bu çalışmada Avrupa Havasahası üzerinde gerçekleşen uçuşların ve yer operasyonlarının oluşturduğu sistemin modellenmesine ön ayak olacak analizler gerçekleştirilmiş ve modelleme için önerilerde bulunulmuştur. Analizler temel olarak iki farklı bakış açısı ile gerçekleştirilmiş ve iki yaklaşımın da avantaj ve dezavantajları belirtilmiştir. Hava Trafik sistemini süren ve etkileyen olaylar analizlerde görülen sonuçlar ile bağdaştırılmış ve bu sonuçların bir bütün olarak değerlendirilmesi ile modelleme yöntemi hakkında önerilerde bulunulmuştur. Avrupa Hava Trafiği resilience konusu dışında, uçuşların oluşturduğu salınımların getirdiği Marmara bölgesindeki hava kalitesine etkisi de incelenmiştir. En son on yılda hava trafiği oldukça artmıştır. Bu da salınımların miktarını oldukça arttırmıştır. Bu tezdeki amacımız bölgesel hava kalitesini sayısallaştırımaktır. Özellikle HC, NOx ve COler için. Dolayısıyla Türkiye'nin hava trafiği açısından en meşgul olan bölgesi üzerinde yoğunlaştık. İlk olarak havaaracından salınan HC, NOx ve CO Duman Sayısı (SN) birinci mertebeden yöntemi ile tahmin edilir. Salınım ve Dağılma Modelleme (EDMS) gaz halindeki maddeler için kullanılır. HC, NOx, and CO salınımları ilk olarak karakteristik duman sayılarıyla ikinci olarak da modele özel katsayıları ile tahmin edilir. Ayrıca hava aracı emisyonları iki farklı yöntemle daha işlenir: salınımları havalimanına atamak yada uçuş yolları, fazı ve dumanın yüksekliğine gore hesaplanır (yani duman sayıları bölgeye atanır).
With its intrinsic complexity, rapidly growing demand and almost saturated infrastructures, Air Transport Management is one of the most challenging fields of the near future. To be able to respond the need, there are many conducted researches and initiatives as Single European Sky ATM Research (SESAR) programme in Europe and its US counterpart NextGen. Resilience2050.eu is one of the projects carried out in Europe with the purpose of analyzing the current air traffic system's deficiencies in terms of resilience ability. Aimed to design disruption and perturbation adaptive ATM concepts of future beyond SESAR within the boundaries of safety, this research project analyzes the current system dynamics focusing on the propagation of unexpected and undesired events through the whole ATM system which underlies the theme of this thesis. Macro analysis of the European Air Traffic Network system play a key role in pinpointing the elements and events that drive the system which are crucial for a resilient structure. Specifically the air transportation network across the airports, airspaces, subspaces and its segmentation define the structure of the flow network. In addition, scheduled flights, their densities across this network, and corresponding flight patterns define the nature of the flow across the network. The analyses provide an insight about the transportation network system's dynamics and serve to the construction of more accurate models which will enable the application of optimization problems into real world conditions. Accordingly, they form an essential part for the purpose of building a resilient structure and have an utter importance to construct reliable and robust air traffic management and control infrastructures. The analyses in this project have been conducted with two types of data as ALL_FT+ trajectory data and DDR capacity data. Each file of the trajectory data gives the all flights' trajectories with point and airspace profiles over European Air Traffic Network whereas DDR capacity data provides the declared capacities for different entities of air transportation system such as airports, airspaces etc. Among from various flight models and radar data in ALL_FT+ structure, Planned and Actual Data have been extracted with some assumptions. The planned data structure represents the prior determined trajectory that is intended to be flown whereas the actual data is the actual flown trajectory. Since the ALL_FT+ data has a complex structure with many flaws, series of fixing and filtering algorithms have been developed to preclude the wrong computations which may conclude with false deductions. The three parameters that create the infrastructure of analyses are capacity, traffic and delays. As it was mentioned, capacity values are obtained via DDR capacity data and the traffic and delays are extracted from ALL_FT+ data. The first leg of the analyses is to construct the network graph of the European Airspace where each node in the graph may represent airports. This graph does not only depict the interactions between airports, but also provide a framework to work on with traffic data. Each branch (edge) of the graph stands for reciprocal traffic flows between the related nodes. The complete connectivity graph is generated by the ALL_FT+ data itself thanks to continuous airspace profiles of each flight . The analysis is conducted bidirectional in each branches of the graph and the time interval of the whole analysis has been chosen as a month to see daily and weekly pattern and their variations based on flight plans of each day. Additionally, the findings that obtained through the traffic flow graphs regarding the magnitude of sectors also have been confirmed via monitoring the number aircrafts per hour in each sector. As a third parameter of the analyses, delays and their propagation across the network graph have been investigated. Delay is not only a solid merit of quality of service but also a key element which defines resilience in the Air Traffic Network. Individual delays for each phases that all flights experience have been calculated with seeking the differences between planned and actual data's elapsed times for each phase where the possible reasons for these differences may be unexpected events such as bad weather conditions or strikes. Aggregating these individual delays in terms of airspaces yields the delay distributions of airspaces over the European airspace network. Moreover classifying these delays in hourly intervals will depict the propagation of delays, and an example of this approach has been conducted over Frankfurt area. As a secondary approach, instead of using airspace centered analyses, network of airports have been investigated which shifts the focus to the propagation of delays between airport pairs. The approach introduces the examination of airport delays into analyses, hence the delays of Actual Off-Block Times and Taxi phases have been calculated and status of airports are monitored in terms of arrival/departure traffics and declared capacities. Incorporating the airports into the analyses provided the push-back delays and their evolutions through each flight's path which resulted with a complete track of delays. The analyses have been conducted in different perspectives and results of each are given with comments. The events, conditions and procedures that drive the air transportation network system have been identified to get deeper understanding and the comparisons of potential modelling techniques for European Air Transportation Network have been presented holistically. In addition to resilience of the European Air Traffic, emissions and air quality effects of the flights over the Marmara region have been investigated. In the last decade, air traffic has increased dramatically with a significant increase in emissions. Our goal is to quantify the impact of aircraft emissions on regional air quality, especially in regards to HC, NOx, and CO, and ozone. Here the focus is on Marmara Region, which is the busiest region in Turkey in terms of air traffic. First, aircraft HC, NOx, and CO emissions are estimated based on the Smoke Number (SN) by using the ''first order'' method. The Emissions and Dispersion Modeling System (EDMS) is used for gaseous species. HC, NOx, and CO emissions are estimated once based on the characteristic SN and a second time using the mode-specific SN. Further, aircraft emissions are processed in two ways: (1) allocating the emissions at the airport itself, and (2) by accounting for flight paths, mode, and plume rise. When the more conservative emission estimates are used (i.e, the characteristic SN estimates allocated to the region.